由心电信号提取呼吸信息的算法及其仿真实现

为了使单纯的心电监护设备实现对多种生理信号的检测,减小设备的复杂性,根据心跳频率和呼吸频率处在不同的频段．提出2种由心电信号提取呼吸信息（ECG—derivedrespiratorysignal,EDR）的算法：离散傅里叶变换EDR算法和离散小渡变换EDR算法．利用MATLAB软件在时域和频域分别对这2种算法进行验证,并进行了相关分析比较．经过筛选比较．离散小波变换EDR算法选用coifN小波作为母小波．仿真结果表明,文中所提出的2种算法均能有效地从心电信号中提取出呼吸信息,但离散小波变换EDR算法的准确性与母小波的选取有很大关系．当选取coif3小波时．离散小波变换EDR算法比离散傅立叶变换EDR算法更为有效．     

小波神经网络结构设计新算法

依据训练数据集,构造多分辨率的小波节点库,再根据输入给出小波节点的输出向量．在此基础上,把一种非线性动态系统模型结构确定和参数估计方法与小波网络相结合,提出一种新的小波网络学习算法．该算法权衡网络的规模和精度两方面因素,自动地确定网络的节点数目,可以得到在ＢＩＣ准则下最优的小波神经网络．仿真结果表明,用本算法设计得到的小波神经网络具有较小的网络规模,同时还具有很好的推广性能     

基于连续小波互谱的宽带Chirp信号DOA估计

提出一种时频域宽带源波达方向（DOA）估计算法．该算法通过计算参考阵元和其他阵元的连续小波互谱，构造出一种新的时频域数据向量模型，并利用Chirp信号的局部窄带特性，在信号的主要能量聚集区选择时频点构造时频相关矩阵代替传统的阵列相关矩阵，进行特征分解实现信号的DOA估计．该方法同时在空域和时频域进行处理，充分利用了时频分布的能量聚集性，实现了非平稳信号时频域的分离，仿真结果验证了新方法的有效性．     

基于滤波器系数构造小波基方法的改进

从两尺度方程的频域表达式出发，根据两尺度函数的递推关系，通过滤波器系数构造小波函数，并把这个过程由一维构造情况推广到多维构造情况．针对一维标量小波存在的问题，引入向量小波，对算法做了进一步改进，给出多小波的构造方法，构造出的尺度函数具有紧支撑性、正交性、对称性和较高的正则性．通过仿真对比实验，验证了改进算法的有效性．     

小波变换在高维频谱数据分类中的应用

小波变换是近些年来广泛应用于时频域信号分析的理论,根据小波变换的特点,在高维频谱数据分类中,对数据进行特征提取,将Ｐ维矢量映射成Ｐ＇维矢量（Ｐ＇〈〈Ｐ）,以减少分类模型参数,同时尽可能保留各频谱数据之间的差别信息。利用ｍ带离散小波变换产生的小波系数进行分类,并给出了一组算法,结果令人满意。     

基于多通道时频相干的诱发电位单次提取

针对信噪比低、频带宽的诱发电位信号单次提取问题，提出了一种在时间—频率域中的多通道相干成分分离算法．本算法采用头皮电板进行多通道同步观测和记录，在各通道的观测数据中诱发电位信号具有较高的相干性，而其他干扰信号的相干性较低，因此根据其相干性将诱发电位信号与其他信号分离，实现诱发电位的提取．为实现相干成分的分离，本算法首先应用于小波包分解将信号在时频域展开，然后通过计算相干系数确定相干的诱发电位信号在时频域中的分布区，并据此去除噪声的能量分布而得到诱发电位的时频域分布，再通过小波包重构就可以分别提取出各通道中高信噪比的诱发电位信号．本算法可以有效地提取各类宽频带信号，能够极大地提高低信噪比信号的辨识能力，具有良好的非重复信号捕捉性能，应用此算法已成功地实现了视觉诱发电位的单次提取．     

一种用小波包进行SAR原始数据压缩的方法

提出了一种对合成孔径雷达（SAR）原始数据在载体上进行压缩的方法．原始数据先用分块自适应量化（BAQ）减小数据动态范围，但不减少量化位数．然后对数据进行小波包正交小波变换．根据频率包络的能量变化自适应地进行数据压缩，即高能量区域用较多位来表示，低能量区用少的位数来表示，处理带宽以外的区域就不再进行编码．用BAQ编码法对块内频域中的数据进行编码．实验表明所提出的WT－BAQ算法优于FFT－BAQ和BAQ算法．     

一种基于小波分解与分形编码混合的图象压缩方法

利用双正交小波特性和小波塔式分解数据的多分辨特性、分形的IFS编码高效特性,提出了一种基于小波分解和分形编码压缩图像数据的方法。该方法先用一个小波将图象进行小波变换（分解）;在频域上,对不同频域层用不同的分块方法和比特率分配方法进行分形编码。根据实际需要和视觉特性来控制压缩比。重构时先在频域进行分形重构解,然后再用另外一个正交小波重建原图象。     

一种新的小波基函数及其在雷达信号特征提取中的应用

为进一步准确估计雷达信号的瞬时频率，在现有Morlet小波基函数的基础上，提出了一种新的Morlet小波基函数（New-Morlet）用于小波脊线的提取。通过深入分析小波脊线原理以及正确提取小波脊线对小波基函数的要求，利用Morlet小波基函数提取雷达辐射源信号的小波脊线特征，从而可以估计出辐射源信号的瞬时频率。将New-Morlet小波与现有的Morlet小波进行对比得出New-Morlet小波具有更好的时-频综合特性。同时，分析了利用小波脊线原理估计信号瞬时频率的迭代算法。仿真结果表明：基于New-Morlet小波基函数的特征提取性能优于现有的Morlet小波基函数，且具有良好的抗噪性能，其方法是有效的。     

基于Morlet小波带通滤波特性的振动系统频率识别

利用Morlet小波在频域的带通滤波特性,对通过改变Morlet小波的带宽,直接在尺度图上识别振动系统频率的方法进行了分析研究。该方法的特点是简单易行,便于应用。并针对实际试验数据中存在严重噪声污染和振动系统的密集模态识别问题,进行了仿真,仿真结果验证了该方法的有效性和可行性。     

基于Morlet小波时间尺度表示的地下连续墙无损检测

对Morlet小波及其变换特性进行了分析 ,利用其良好的时频正则性及复分析特性 ,把一维检测波映射到二维时间尺度表示 (TSR) -Scalogram谱图上。Scalogram承载了介质结构的丰富信息 ,利用这些信息能够实现对介质的全面分析和缺陷识别 ,辅以Morlet小波变换的实部模极大值 ,可以对缺陷进行准确定位。该方法有效地弥补了基于Hilbert变换的复信号分析 (CSA)、短时傅立叶变换 (STFT)及二次时频表示 (TFR)等方法的不足。对水泥土地下连续墙进行的无损检测结果表明 ,基于Morlet小波TSR的检测方法有较好的实用性 ,它为结构无损检测领域提供了一条新的技术路线。为进一步完善前述方法 ,将Morlet小波与Dergauss小波进行优势联合 ,可以避免模极大值线分叉现象 ,有利于提高定量解释精度。     

用小波变换谱均衡法提高地震资料的分辨率

谱均衡方法是提高地震资料分辨率的一种有效方法.通常,谱均衡方法是通过傅立叶正变换在频率域实现的,但是,傅立叶变换存在着先天不足的缺陷,即时-频局域性差,它不能分析信号的局部频率特性.小波变换方法的时-频局部性要优于傅立叶变换,它克服了傅立叶变换的不足,既能保证变换是可逆的,又可以分析信号的局部频率特性.文中充分利用小波变换与谱均衡的优点,利用小波变换与谱均衡相结合的方法,对不同尺度的分解结果进行谱均衡处理,以达到提高分辨率的目的.     

近似小波变换的一种空中多目标分选方法

通过对由空中多目标间距引起的目标间多普勒频率的差异分析，基于Morlet小波变换，提出了一种空中多目标分选识别的新方法——小波变换谱分析法。此方法选用不同中心频率的Morlet小波，对信号进行小波变换，求取信号的功率谱，获得雷达目标的一维距离像，从而分选识别目标。     

粒子群优化算法在齿轮箱振动信号去噪中的应用

 以振动频谱分析和粒子群优化算法为主要理论依据,以风力涡轮机齿轮箱为例,提出一种基于一维加速搜索算法和粒子群优化的齿轮箱振动信号去噪方法。利用一维加速搜索算法缩减搜索范围,应用粒子群优化算法提升优化效果,对切比雪夫带通滤波器和Morlet小波滤波器的设计参数进行优化,并对齿轮箱故障振动信号进行滤波处理。仿真实验结果表明,此方法能够实现快速有效滤波去噪,适用于齿轮箱实时故障诊断的研究,具有一定的理论研究价值和实践应用价值。     

心电信号QRS波群的小波精确识别法

利用M arr小波特有的时频特性,采用离散小波变换的直接算法,对心电信号QRS波群进行识别,经M IT/B IH心电数据库的检测验证,即使有严重的噪声信号干扰,也能精确定位R波,其正确率为99.7%,能准确地识别QRS时限,实时地识别R波和QRS时限。可用于心电信号实时处理。     

能量无限的信号的小波分析方法

利用连续小波变换研究了能量为无限的信号的谱分析，引进了时－频功率谱的概念，并研究了时－频功率谱与经典的功率谱及平均功率的关系；还引进了自相关函数的小波变换，且研究了它与时－频功率谱之间的关系。     

基于小波神经网络的股票预测

通过将Morlet母小波基函数作为神经网络隐含层神经元的激励函数,构建了Morlet小波神经网络,对网络结构进行了隐含层节点的优化,对股票收盘价的变化进行仿真和预测,实验结果表明,Morlet小波神经网络具有较好的逼近非线性映射的能力,其泛化性能和预测能力较优.     

基于交叉验证法优化参数的Morlet小波消噪方法

针对机械监测故障信号的非平稳性特点,提出一种基于交叉验证法优化参数的Morlet小波消噪方法。选择与机械冲击振动波形相似的Morlet小波,对Morlet母小波进行改进,增加了波形调整参数。通过交叉验证方法设计了改进Morlet小波的波形参数和变换尺度。对信号进行连续小波变换(CWT),实现对含噪信号的滤波消噪。将该方法应用于齿轮故障检测中,对比2种传统的小波消噪方法,验证该方法能够提取出强噪声背景下的有效信号特征成分,具有较好的滤波消噪效果。     

基于复Morlet变换和改进AlexNet神经网络的柴油机气门间隙异常故障诊断方法

针对柴油机缸盖振动信号非线性、非平稳的特点,以及传统故障诊断方法需要先验知识且特征提取费时费力的缺点,提出了一种基于复Morlet变换和改进AlexNet神经网络的柴油机气门间隙异常故障诊断方法。首先通过复Morlet小波将柴油机缸盖振动信号转换为时频图,该变换包含了信号的时频域信息,比单一的时域或频域信号更适合分析柴油机缸盖振动这种非平稳信号;其次将时频图输入至AlexNet神经网络进行特征自动提取并建立故障诊断模型,解决了传统手工提取特征费时费力且需要专家经验的问题;然后通过Batch Normalization和Dropout技术改进网络结构,并优化神经网络超参数以提高模型的准确度和计算效率;最后将本文方法与传统的故障诊断方法应用于柴油机气门间隙异常故障诊断并进行对比,发现其诊断准确率最高,验证了所提方法的优越性。